Pandas操作：删除、增加行与列的实战指南

"这篇教程介绍了如何在Pandas中删除、增加和修改DataFrame的行和列。主要内容包括使用drop函数删除行和列，以及通过del关键字删除列。此外，还提到了利用筛选方法来实现更复杂的行删除操作。" 在Python的Pandas库中，DataFrame是一个常用的数据结构，用于处理二维表格数据。这篇教程以一个4x4的DataFrame为例，展示了如何进行行和列的删除、增加和修改操作。 首先，创建了一个名为df的DataFrame，其列名分别为'A'、'B'、'C'、'D'，索引为'1'、'2'、'3'、'4'，并填充了0到15的整数序列。 ### 删除行 1. **drop方法**：这是删除行的主要方式。 - **按名称删除**：`df.drop(['1', '2'])` 不指定axis参数，默认为0，表示按行删除。如果想要就地修改（即直接在原DataFrame上删除），可以使用`inplace=True`，如 `df.drop(['1', '3'], inplace=True)`。 - **按索引位置删除**：`df.drop(df.index[0], inplace=True)` 可以删除第一行，`df.drop(df.index[0:3], inplace=True)` 删除前3行，`df.drop(df.index[[0, 2]], inplace=True)` 删除第1和第3行。 通过筛选条件删除，比如去除重复的行，可以先找到重复行的索引，然后用`loc`方法删除，如示例所示。 ### 删除列 1. **del关键字**：直接使用`del df['A']` 可以删除列'A'，并且会就地修改DataFrame。 2. **drop方法**：对于列的删除，需要指定`axis=1`。 - **按名称删除**：`df.drop(['B', 'C'], axis=1)` 不会就地修改，而是返回一个新的DataFrame。若要就地删除，添加`inplace=True`，如 `df.drop(['B', 'C'], axis=1, inplace=True)`。 - **按列位置删除**：`df.drop(df.columns[0], axis=1, inplace=True)` 删除第一列，`df.drop(df.columns[0:3], axis=1, inplace=True)` 删除前3列，`df.drop(df.columns[[0, 2]], axis=1, inplace=True)` 删除第1和第3列。 ### 增加行和列 1. **增加行**：可以通过`concat`或`append`方法将新的DataFrame或Series添加到现有的DataFrame中。 2. **增加列**：可以直接赋值，例如 `df['E'] = [16, 17, 18, 19]` 来添加新列'E'，也可以通过合并其他DataFrame来添加。 ### 修改行和列 1. **修改行**：可以通过索引来修改特定行，如 `df.loc['2', 'B'] = 9` 将索引为'2'的行中'B'列的值改为9。 2. **修改列**：直接通过列名即可，如 `df['A'] = df['A'] + 1` 对'A'列的所有值加1。 以上就是关于Pandas中删除、增加和修改DataFrame行和列的基本操作。这些基本操作构成了Pandas数据处理的基础，通过它们可以实现复杂的数据清洗和预处理任务。在实际应用中，结合其他筛选和操作方法，可以实现更多高级的数据分析功能。